Sviluppato un biomarcatore digitale derivato da PPG per la diagnosi di arteriopatia periferica. / PPG-Derived Digital Biomarker Developed for Peripheral Artery Disease Detection

Sviluppato un biomarcatore digitale derivato da PPG per la diagnosi di arteriopatia periferica. Il procedimento del brevetto ENEA RM2012A000637 è molto utile in questo tipo di applicazione. / PPG-Derived Digital Biomarker Developed for Peripheral Artery Disease Detection. The procedure of the ENEA patent RM2012A000637 is very useful in this type of application.

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa 

Un gruppo di ricerca dell'Università della California, San Diego, ha sviluppato un approccio di screening basato sull'apprendimento automatico per la malattia arteriosa periferica (PAD) che utilizza una tecnologia basata sulla luce chiamata fotopletismografia (PPG) in grado di misurare le variazioni del volume sanguigno nei tessuti. I ricercatori hanno riferito che le registrazioni PPG di breve durata nell'alluce di un paziente, analizzate da modelli di apprendimento automatico, hanno identificato la PAD con un elevato grado di precisione e potrebbero fornire la base per uno strumento di screening digitale scalabile che potrebbe essere implementato in futuro tramite smartphone, pulsossimetri e dispositivi indossabili. I risultati del gruppo sono stati pubblicati su npj Digital Medicine.

"La PPG funziona illuminando i tessuti, nel nostro caso, le dita dei piedi", ha affermato la co-prima autrice Ava J. Fascetti, dottoranda presso il laboratorio di tecnologie sanitarie digitali del dottor Edward J. Wang, autore senior. "Un fotosensore misura la quantità di luce riflessa, permettendoci di rilevare minime variazioni del volume sanguigno: quello che chiamiamo segnale PPG."

La PAD (arteriopatia periferica) è causata dall'accumulo di placca nelle arterie, che limita il flusso sanguigno, in particolare verso le gambe e gli arti inferiori. Si stima che la malattia colpisca 12 milioni di americani e 200 milioni di adulti in tutto il mondo. La PAD aumenta significativamente il rischio di amputazione degli arti e di gravi eventi cardiovascolari, eppure molti pazienti ricevono la diagnosi solo in fasi avanzate della malattia. I ricercatori hanno osservato che la condizione colpisce in modo sproporzionato le popolazioni svantaggiate ed è sottodiagnosticata in parte perché l'attuale standard diagnostico, l'indice caviglia-braccio (ABI), richiede attrezzature specializzate, personale qualificato e visite cliniche.

"Esiste un'evidente esigenza clinica insoddisfatta di sviluppare tecnologie in grado di rispondere alle richieste della pratica moderna", hanno scritto i ricercatori. Inoltre, il test ABI, introdotto circa 60 anni fa, è rimasto sostanzialmente invariato e presenta da tempo ostacoli alla sua diffusione nell'assistenza primaria e nei contesti con risorse limitate.

Il presente studio trae origine da discussioni tra il co-primo autore Mattheus Ramsis, MD, professore assistente di medicina e direttore medico di informatica cardiologica, e la co-autrice Elsie G. Ross, MD, professoressa associata di chirurgia vascolare ed endovascolare, la quale ha osservato che i laboratori vascolari che effettuano test ABI spesso raccolgono anche le forme d'onda PPG delle dita dei piedi.

"In quel momento mi si è accesa la lampadina", ha detto Ramsis.

La fotopletismografia (PPG) funziona illuminando i tessuti e misurando la luce retrodiffusa associata alle variazioni del volume sanguigno. La PPG è stata precedentemente utilizzata per identificare patologie cardiovascolari e metaboliche, tra cui il diabete e la fibrillazione atriale. I precedenti studi sull'utilizzo della PPG per la diagnosi di arteriopatia periferica (PAD) si basavano su piccoli set di dati, registrazioni di lunga durata ed approcci di deep learning meno interpretabili.

Per il loro approccio, il gruppo dell'UCSD ha assemblato un set di dati contenente più di 10.000 registrazioni PPG delle dita dei piedi da oltre 3.500 pazienti sottoposti a test ABI presso l'UC San Diego Health tra il 2020 e il 2025. Utilizzando questi dati, i ricercatori hanno estratto 78 caratteristiche della forma d'onda dai segnali PPG che correlavano significativamente con le misurazioni ABI. Queste caratteristiche sono state quindi utilizzate per addestrare un modello di macchina a vettori di supporto interpretabile, progettato per identificare la PAD dai soli dati PPG.

Ramsis ha affermato che il modello ha distinto correttamente i casi di PAD in circa l'83% dei casi utilizzando solo i dati PPG, rispetto al 60-65% circa di prestazioni tipicamente ottenute utilizzando solo le valutazioni cliniche dei fattori di rischio. L'integrazione dello stato di fumatore dei pazienti ha ulteriormente migliorato le prestazioni del nuovo metodo.

È importante sottolineare che il modello ha mostrato prestazioni coerenti in popolazioni di pazienti neri, ispanici e bianchi, nonché tra pazienti affetti da diabete, coronaropatia ed insufficienza renale terminale. I ricercatori hanno inoltre riscontrato prestazioni simili in due campus di UC San Diego Health che utilizzavano attrezzature e personale differenti.

I ricercatori hanno osservato che le basi fisiologiche dei loro risultati sono in linea con la biologia vascolare consolidata. Nella PAD, la riduzione del flusso sanguigno e la rigidità arteriosa alterano la morfologia delle forme d'onda PPG. I pazienti più sani hanno mostrato picchi sistolici più ripidi e larghezze d'onda più strette, mentre i pazienti con PAD hanno mostrato segnali più smorzati.

"I nostri risultati confermano l'esistenza di un biomarcatore digitale riproducibile derivato dalla PPG che cattura la fisiopatologia vascolare periferica rilevante per la PAD definita dall'ABI", hanno scritto i ricercatori.

I ricercatori hanno affermato di non ritenere che il loro nuovo modello debba sostituire il test ABI. Piuttosto, immaginano lo screening PPG come uno strumento complementare che potrebbe servire a identificare precocemente i pazienti che potrebbero necessitare di ulteriori valutazioni vascolari.

Il gruppo ha affermato che sono già in corso studi prospettici di implementazione per valutare le prestazioni in contesti clinici e rispetto ad ulteriori standard di riferimento, tra cui la misurazione della pressione alle dita dei piedi, l'ecografia e l'angiografia. Ulteriori ricerche valuteranno anche le prestazioni in ambienti di uso comune, inclusi smartphone e dispositivi indossabili, ed analizzeranno il funzionamento dello strumento di screening in popolazioni di pazienti più ampie al di fuori delle cliniche vascolari specializzate.

"Se riuscissimo ad individuare la PAD abbastanza presto da prevenire l'amputazione di un arto, questo sarebbe l'impatto maggiore: preservare la funzionalità dell'arto, ridurre la mortalità e superare gli ostacoli che si incontrano nelle popolazioni svantaggiate", ha affermato Ramsis.

ENGLISH

A research team at the University of California, San Diego has developed a machine learning-based screening approach for peripheral artery disease (PAD) that uses a light-based technology called photoplethysmography (PPG) that can measure changes in blood volume in tissue. The researchers reported that short-duration PPG recordings in a patient’s toe, analyzed by machine learning models, identified PAD with a high degree of accuracy and may provide the basis for a scalable digital screening tool that could eventually be deployed through smartphones, pulse oximeters, and wearable devices. The team’s findings are published in npj Digital Medicine.

“PPG works by shining a light into tissue, in our case, the toe,” said co-first author Ava J. Fascetti, a PhD student in the digital health technology lab of senior author Edward J. Wang, PhD. “A photosensor measures how much light is reflected back, allowing us to detect tiny changes in blood volume: what we call the PPG signal.”

PAD is caused by plaque buildup in arteries that restricts blood flow, particularly to the legs and lower extremities. The disease affects an estimated 12 million Americans and 200 million adults worldwide. PAD substantially increases the risk of limb loss and major cardiovascular events, yet many patients are not diagnosed until later stages of disease progression. The researchers noted that the condition disproportionately affects underserved populations and is underdiagnosed in part because the current standard diagnostic, ankle-brachial index (ABI), requires specialized equipment, staff, and clinic visits.

“There exists a glaring unmet clinical need to develop technology to meet the demands of modern practice,” the researchers wrote. Further, ABI testing, introduced about 60 years ago, has has remained largely unchanged and has long-standing barriers to widespread use in primary care and under-resourced settings.

The current study originated from discussions between co-first author Mattheus Ramsis, MD, and assistant professor of medicine and medical director of cardiology informatics, and co-author Elsie G. Ross, MD, an associate professor of surgery in vascular and endovascular surgery, who noted that vascular labs conducting ABI testing often also collected toe PPG waveforms.

“The light-bulb went off for me at that moment,” Ramsis said.

PPG works by shining light into tissue and measuring backscattered light associated with blood volume changes. PPG has previously been used to identify cardiovascular and metabolic conditions including diabetes and atrial fibrillation. Earlier research efforts to use PPG for PAD detection had relied on small datasets, long recordings and less interpretable deep-learning approaches.

For their approach, the UCSD team assembled a dataset containing more than 10,000 toe PPG recordings from more than 3,500 patients who underwent ABI testing at UC San Diego Health between 2020 and 2025. Using these data, the researchers extracted 78 waveform features from the PPG signals that correlated significantly with ABI measurements. Those features were then used to train an explainable support vector machine model designed to identify PAD from PPG data alone.

Ramsis said the model correctly distinguished PAD cases approximately 83% of the time using only PPG data, compared with roughly 60% to 65% performance typically achieved using clinical risk-factor assessments alone. Incorporating smoking status of the patients further improved the performance of the new method.

Importantly, the model performed consistently across Black, Hispanic, and White patient populations, and among patients with diabetes, coronary artery disease, and end-stage renal disease. The researchers also reported similar performance across two UC San Diego Health campuses that used different equipment and staff.

The investigators noted that the physiologic basis for their findings align with established vascular biology. In PAD, reduced blood flow and arterial stiffness alter the morphology of PPG waveforms. Healthier patients demonstrated steeper systolic upstrokes and narrower waveform widths, while patients with PAD showed more dampened signals.

“Our findings support the existence of a reproducible PPG-derived digital biomarker that captures peripheral vascular pathophysiology relevant to ABI-defined PAD,” the researchers wrote.

The researchers said they don’t think their new model should replace ABI testing. Instead, they envision PPG screening as a complementary tool that could serve to identify patients earlier that might need further vascular evaluation.

The team said prospective deployment studies are already underway to evaluate performance in clinical settings and across additional reference standards, including toe pressure measurements, ultrasound imaging, and angiography. Additional research will also gauge performance in consumer-grade environments, including smartphones and wearable devices, and assess how the screening tool functions in broader patient populations outside specialized vascular clinics.

“If we can catch PAD early enough to prevent a limb amputation, that would be the ultimate impact: preserving limb function, reducing mortality, and addressing barriers in underserved populations,” Ramsis said.

Da:

https://www.insideprecisionmedicine.com/topics/patient-care/ppg-derived-digital-biomarker-developed-for-peripheral-artery-disease-detection/?_hsenc=p2ANqtz-8QIcddgmt1s4rc9IYj0xdVuaO-PW9znSDj651HywVERQkzTDO_qnR-lZeF9X16YM0vN3RBUo4arA8L0vQKigGXYaPyhSSRfWW3M1YhAiL1PbLrHMw&_hsmi=419267785